3
|
|
- Lanny Indradjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS DAN IMPLEMENTASI SISTEM PENGENALAN WAJAH PADA VIDEO DI RUANGAN MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS () DAN NON-NEGATIVE MATRIX FACTORIZATION WITH SPARSENESS CONSTRAINTS (NMFSC) ANALYSIS AND IMPLEMENTATION OF FACE RECOGNITION SYSTEM INDOOR ON VIDEO USING INDEPENDENT COMPONENT ANALYSIS () METHOD AND NON-NEGATIVE MATRIX FACTORIZATION WITH SPARSENESS CONSTRAINTS (NMFSC) METHOD 1 Eka Kusumawardhani 2 Bambang Hidayat 3 Suci Aulia 1,2,3 Jurusan Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom 1 ekawaardhani@gmail.com 2 bhidayat@telkomuniversity.ac.id 3 suciaulia@telkomuniversity.ac.id ABSTRAK Face recognition atau pengenalan wajah manusia merupakan salah satu bidang penelitian yang penting dan sudah lama menjadi perhatian para peneliti. Banyak sekali sistem aplikasi dan metode pengenalan wajah yang telah dikembangkan saat ini, contohnya adalah metode Independent Component Analysis () dan n-negative Matriks Factorization with sparseness contraints (). Pada penelitian sebelumnya metode dan telah diterapkan dalam sistem pengenalan wajah pada citra digital dengan hasil tingkat akurasi yang cukup tinggi yaitu 94% untuk metode sedangkan untuk metode adalah 96.1%. Sedangkan pada tugas akhir ini metode dan diterapkan dalam sistem pengenalan wajah pada video dan akan dilihat bagaimana tingkat akurasi dan waktu komputasi dari kedua metode tersebut. Tingkat akurasi dari kedua metode akan dilihat dari hasil simulasi program pengenalan wajah menggunakan bahasa pemrograman Matlab. Hasil pengujian sistem secara keseluruhan menunjukan bahwa Metode memiliki nilai akurasi tertinggi yaitu 92.5% dengan waktu komputasi s pada kondisi kamera disebelah kiri sedangkan 84.25% dengan waktu komputasi s pada kondisi kamera disebelah kiri. Kata Kunci : Face Recognition, Independent Component Analysis (), n-negative Matrix Factorization with sparseness contraints () ABSTRACT Face recognition is one of the important research field and recently attracting much attention in the researchers. Lots of systems and methods of face recognition applications that have been developed at this time, such as Independent Component Analysis () method and n-negative Matrix Factorization with sparseness contraints () method. In previous research and method has been applied in face recognition systems on digital image with the system accuracy results is 94% for method and 96.1% for method. While in this final project and methods applied in face recognition system on the video and it will be seen how the accuracy and computation time of the two methods. The accuracy of the two methods will be seen from the simulation results using a facial recognition program with Matlab programming language. The reliability of the method is tested by simulation experiments on the program. The test results showed that method has better accuracy rate than the method. method has the highest accuracy rate 92.5% with s while 89.25% with s computing time.. Keywords: : Face Recognition, Independent Component Analysis (), n-negative Matrix Factorization with sparseness contraints () 1. Pendahuluan Perkembangan informasi teknologi pengenalan wajah saat ini sedang berkembang pesat, dimana suatu sistem komputer dapat bekerja dengan mengenali identitas wajah seseorang. Pengenalan wajah juga telah mendapat perhatian yang tinggi karena peran penting dalam menangani berbagai masalah keamanan yaitu: kontrol akses pintu masuk ruangan, duplikasi paspor, SIM dan identifikasi tersangka dalam video pengawasan. Pada saat ini sudah banyak metode-metode pengenalan wajah yang diterapkan pada citra dari berbagai penelitian dimana setiap metode memiliki ciri-ciri, parameter dan tingkat akurasi yang berbeda-beda pada keluaran suatu program. Salah satunya adalah metode Independent Component Analysis () dan n-negative Factorization Matrix with sparseness constraints ().
2 Pada penelitian yang berjudul Localized versus Locality-Preserving Subspace Projections for Face Recognition [2], metode memililiki tingkat akurasi sebesar 87.87% sedangkan metode memiliki tingkat akurasi terbesar yaitu 96.1% akan tetapi memiliki waktu iterasi yang cukup lama. Dalam pengerjaan tugas akhir ini akan dibuat suatu aplikasi sistem pengenalan wajah pada rekaman video di ruangan dengan membandingkan tingkat akurasi keluaran program menggunakan metode independent component analysis () dan non-negative matrix factorization with sparseness constrait () pada tingkat akurasi keluaran program. Dengan adanya tugas akhir ini diharapkan nantinya kita dapat mengetahui metode mana yang dapat menghasilkan tingkat akurasi yang lebih baik untuk aplikasi sistem pengenalan wajah.. 2. Pengenalan Wajah Pengenalan wajah (face recognition) yang merupakan salah satu penerapan image processing, kini telah dipakai untuk banyak aplikasi. Pada tugas akhir ini akan dibandingkan tingkat keakurasian dari dua metode pengenalan wajah yaitu Independent Component Analysis () dan n-negative Matrix Factorisation with Sparseness Constraints () pada hasil keluaran program. 2.1 Metode Independent Component Analysis [3] [4] Independent Component Analysis () merupakan metode pembagian sumber yang didasarkan pada statistika orde banyak. Penerapan terutama digunakan untuk mencari komponen-komponen independen dari wajah sedemikian sehingga suatu wajah tersebut dapat dinyatakan sebagai kombinasi linear dari komponenkomponen independen yang telah ditemukan. Langkah awal meliputi centering dan whitening. Proses pemutihan digunakan untuk menghilangkan korelasi-korelasi antar data sumber. Setelah data menjadi tidak berkorelasi, langkah selanjutnya adalah proses estimasi komponen-komponen independen. Gambar 1 Pemodelan Gambar 0.1 Diagram pemodelan dari Pada Gambar 2.1 diatas ditunjukan model dari. Dinotasikan dengan s = (si) sebagai mx1 vektor sinyal sumber dan dengan x = xi sebagai nx1 vektor sinyal yang teramati oleh sensor. Sinyal teramati (campuran) vector x dapat ditulis sebagai [5] : x = As (i) Dengan A adalah nxm matrix pencampuran. Dengan menggunakan mxn matriks pemisahan W yang telah diperkirakan maka dapat dihitung perkiraan sinyal sumber y = (yi), yaitu : y = Wx (ii) Matriks global G merupakan matriks yang menyatakan perubahan dari sinyal sumber s sampai perkiraan sinyal sumber y. untuk algoritma yang ideal maka matriks G adalah matriks identitas (I). Matriks G sering digunakan untuk mengukur performa dari suatu algoritma Praproses [3] Sebelum menerapkan sebuah algoritma pada data yang ada, akan sangat berguna bila melakukan beberapa praproses. Hal tersebut bertujuan untuk membuat masalah dari perhitungan lebih mudah dan dikondisikan lebih baik, sesuai dengan asumsi-asumsi yang dibuat dalam perkiraan (bererata nol, tidak terkorelasi dan varians sama dengan satu).
3 1. Pemusatan (Centering) Praproses yang paling dasar dan dibutuhkan adalah memusatkan x, yaitu menggunakan vector reratanya m = E{x} untuk membuat x mempunyai rerata nol. Hal ini juga berarti s juga mempunyai rerata nol (karena s = Wx b, maka E{s} = WE{x b } = 0 dengan xb adalah x setelah dikurangi dengan reratanya). 2. Pemutihan ( Whitening) Metode yang sering digunalam adalah dengan menggunakan dekomposisi nilai eigen (eigenvalue decomposition EVD ) dari matriks kovarians E{xx t } = EDE T (matriks kovarians karena xi bererata nol), dengan E adalah matriks orthogonal vector eigen dari E{xx T } dan D adalah matriks diagonal dari nilai eigennya, D = diag (d1,,d2 1/2 ). Nilai D -1/2 E T disebut sebagai matriks whitening dan ED 1/2 untuk mengembalikan proses disebut matriks dewhitening. 2.2 Metode n-negative Matrix Factorisation with Sparseness Constraints () [6] Metode (n Negative Matrix Factorization with Sparseness Constrains ) merupakan metode yang telah dikembangkan setelah metode NMF (n Negative Matrix Factorization), karena NMF masih dirasa kurang dalam hal waktu komputasi.nmf ini membutuhkan waktu komputasi yang lebih banyak untuk mencapai konvergensi.untuk mengatasi ini, seorang peneliti bernama Hoyer mengusulkan metode yang menunjukkan bahwa metode ini dapat mencapai konvergensi yang lebih cepat. Pada intinya metode ini menemukan tingkat sparse pada citra wajah yang nantinya akan dibuat sebagai ciri dari wajah manusia.sebenarnya cara kerja ini pertama masih sama dengan metode NMF, dimana ada inputan matriks V yang berukuran m x n, yang kemudian direduksi terlebih dahulu. Persamaan 2.7 menunjukkan rumus dari yang pada dasarnya sama dengan rumus NMF ataupun LNMF, yaitu : V W (iii) Untuk memenuhi persamaan 2.7, maka harus dicari dulu matriks W dan H, dimana ukuran matriks W (m x r) dan H (r x n). Nilai r dapat kita tentukan sesuka kita, tapi dalam menentukannya harus tepat.karena nilai r juga akan mempengaruhi proses ekstraksi ciri.selain itu, kita harus menginisialisasi nilai sw dan sh, dimana nilai ini merupakan tingkat sparseness, rentang dari nilai sw dan sh adalah 0-1. Kemudian menentukan ukuran penyebaran sparseness yang didasarkan pada hubungan variable norm L 1 dan L 2 dengan menggunakan nilai S w dan S h yang telah ditentukan. Dengan menggunakan persamaan 2.8,akan didapatkan batasan penyebaran sparseness. sparseness (x) = ( n ( x i )/ x 2 i ) / n 1 (iv) Dimana n merupakan nilai dimensi dari x. Fungsi diatas berguna untuk menyatukan jika dan hanya jika x berisi hanya komponen tunggal non-negative, dan mengambil nilai nol jika dan hanya jika semua komponen yang sama. Untuk penjelasan yang lebih jelas, berikut ini terdapat algoritma dari metode, 1. Menginisialisasi matriks W dan H secara random 2. Matriks W dan H tersebut dicari tingkat sparseness nya 3. Di cari beda antara matriks V dengan perkalian matriks WH dengan menggunakan persamaan 2.9. D(V WH) = (V WH) 2 (v) 4. Update matriks W dan H Jika digunakan sw maka digunakan persamaan 2.10 untuk memperbarui nilai matriks W W = W μ H (WH V)H T (vi) Jika digunakan sh maka digunakan persamaan 2.11 untuk memperbarui nilai matriks H H = H μ W (WH V)W T (vii) 3. Desain Dan Realisasi Sistem Perangan sistem terdiri dari dua mode yaitu mode penargetan dan mode pengujian. Berikut ini adalah diagram alir secara keseluruhan yang menerangkan cara kerja sistem:
4 Start Start Video Input Video Input Frame Ke - K Pre-Processing Citra Deteksi Wajah Deteksi Gerakan (Frame Difference) Wajah Terdeteksi Ada Pergerakan? Yes Yes Deteksi Wajah Inisialisasi Wajah Wajah Terdeteksi? Save Data Target Yes Pengenalan Wajah Metode & ) End Wajah dikenali? Result Gambar 2 Diagram Alir Keseluruhan Sistem 3.1 Skenario Pengujian Sistem Pengujian dilakukan dengan menggunakan kamera digital sebagai kamera perekam video. Kamera digital ini dipasang pada ketinggian ±1.4 meter dari permukaan lantai.video yang direkam memiliki spesifikasi sebagai berikut: 1. Video yang digunakan berukuran 640x480 piksel 2. Durasi video selama ± 10 detik 3. Format video AVI 4. Frame rate video 30 fps Skenario Pertama Pada skenario pertama akan dilihat bagaimana pengaruh nilai Sparseness yang diberikan pada matriks W dan H metode terhadap tingkat akurasi dan waktu komputasi sistem. Pengujian akan dilakukan sebanyak lima video untuk masing-masing nilai sparseness dan menghitung tingkat akurasi dan waktu komputasi sitem Skenario Kedua Pada skenario kedua akan dilihat bagaimana pengaruh nilai threshold frame difference yang diberikan terhadap tingkat akurasi sistem. Pengujian akan dilakukan sebanyak 10 video dan menghitung tingkat akurasi dan komputasi sistem. Dari sepuluh percobaan video tersebut akan dihitung nilai akurasi rata-rata dari keluaran sistem Skenario Ketiga Pada skenario ketiga akan dilihat bagaimana pengaruh intensitas cahaya terhadap tingkat akurasi sistem. Video uji akan direkam ketika lampu dalam keadaan menyala dan mati kemudian letak pemasangan kamera berada ditengah. Pengujian akan dilakukan sebanyak sepuluh video untuk masing-masing waktu pengujian dan menghitung tingkat akurasi sistem. Dari seluruh percobaan di masing-masing kondisi tersebut dihitung nilai akurasi rata-rata dari keluaran sistem Skenario Keempat Pada skenario kedua akan dilakukan pengambilan video letak pemasangan kamera disebelah kanan, kiri, dan tengah ruangan. Proses ini dilakukan untuk menganalisa pengaruh perpindahan posisi kamera terhadap tingkat akurasi sistem. Pengujian akan dilakukan sebanyak sepuluh video dan menghitung tingkat akurasi sistem. Dari sepuluh percobaan video tersebut akan dihitung nilai akurasi rata-rata dari keluaran sistem. End 4. Analisis data hasil pengujian sistem
5 Tingkat Akurasi Waktu Komputasi (s) 4.1 Skenario pertama Skenario pertama dilakukan untuk melihat pengaruh sparseness yang diberikan pada matriks W dan H metode terhadap tingkat akurasi sistem dan waktu komputasi. Pengujian dilakukan sebanyak lima data video dan diambil rata-ratanya untuk menghitung akurasi dan waktu komputasi sistem. Tabel 1 Tabel Pengujian Skenario Pertama Pada W Pada W dan H Pada H Sparseness Akurasi Komputasi Sparseness Akurasi Komputasi Sparseness Akurasi Komputasi Perbandingan Nilai Sparseness Terhadap Tingkat Akurasi Sistem Perbandingan Nilai Sparseness Terhadap Waktu Komputasi Sistem Pada W 400 Pada W dan H 200 Pada W Pada W dan H Pada H Pada H Sparseness Sparseness Gambar 3 Grafik Pengaruh Nilai Sparseness Terhadap Tingkat Akurasi dan Waktu Komputasi 1 Dari grafik di atas terlihat bahwa ketika nilai sparseness diberikan pada matriks W menghasilkan tingkat akurasi yang lebih baik dan stabil akan tetapi memiliki waktu komputasi yang lebih lama. Ketika nilai sparseness diberikan kepada kedua matriks W dan H tingkat akurasi mencapai nilai 100% pada 0.4, 0.5, 0.6, 0.7, dan 0.8 dengan waktu komputasi yang lebih singkat dibandingkan dengan nilai sparseness yang diberikan pada matriks W saja. Dan ketika nilai sparsenes diberikan kepada matriks H saja tingkat akurasi akurasi mencapai nilai 100% pada nilai sparseness 0.1 dan 0.5 dengan waktu komputasi yang lebih singkat dari kedua percobaan sebelumnya. 4.2 Skenario Kedua Skenario pertama dilakukan untuk melihat pengaruh threshold frame difference yang diberikan terhadap tingkat akurasi sistem dan waktu komputasi. Nilai perbedaan threshold yang digunakan adalah 0.01, 0.05, 0.5, dan 1. Setiap video dilakukan percobaan sebanyak 5 kali sebanyak 10 data video dan diambil rata-ratanya untuk
6 Tingkat Akurasi Waktu Komputasi (s) menghitung akurasi dan waktu komputasi sistem. Berikut adalah tabel pengujian metode dan yang akan dilakukan pada skenario kedua % 90.00% 80.00% 70.00% 60.00% 50.00% 40.00% 30.00% 20.00% 10.00% 0.00% Metode Tabel 2 Tabel Pengujian Skenario Kedua Perbandingan Threshod Frame Difference terhadap Tingkat Akurasi Threshold Akurasi Komputasi Akurasi Komputasi Akurasi Komputasi Akurasi Komputasi 84.25% % % % % 92.50% % % % % 80.50% 77.50% % % % Threshold Perbandingan Threshold Frame Difference Terhadap Waktu Komputasi Threshold Gambar 4 Grafik Pengaruh Threshold Frame Difference Terhadap Tingkat Akurasi dan Waktu Komputasi 2 Dari grafik di atas dapat disimpulkan bahwa nilai threshold yang paling optimum berada di nilai 0.01 dengan tingkat akurasi 84.25% waktu komputasi s untuk metode dan nilai threshold yang paling optimum untuk metode adalah 0.05 dengan tingkat akurasi 95% waktu komputasi s. Tingkat akurasi paling rendah berada pada nilai threshold 1 dengan tingkat akurasi 24.75% waktu komputasi s untuk metode dan 41.25% dengan waktu komputasi s untuk metode. Nilai threshold 0.01 dan 0.05 masih diangap cukup baik karena rata-rata tingkat akurasi yang masih cukup tinggi, yaitu di atas 80 persen untuk kedua metode Skenario Ketiga Skenario pertama dilakukan untuk melihat pengaruh intensitas cahaya pada lampu ketika dalam keadaan mati dan menyala terhadap tingkat akurasi sistem dan waktu komputasi. Setiap video dilakukan percobaan sebanyak 5 kali sebanyak 10 data video dan diambil rata-ratanya untuk menghitung akurasi dan waktu komputasi sistem. Berikut adalah tabel pengujian metode dan yang akan dilakukan pada skenario ketiga. Tabel 3 Tabel Pengujian Skenario Ketiga Skenario Pertama Nama Video Akurasi Ratarata Waktu Komputasi Akurasi Rata- Rata Waktu Komputasi 1 Lampu Nyala 50.25% % Lampu Mati 59.50% %
7 Tingkat Akurasi Waktu Komputasi (s) Tingkat Akurasi Waktu Komputasi (s) Perbandingan Intensitas Cahaya Terhadap Tingkat Akurasi Sistem 80.00% 60.00% 40.00% 20.00% 0.00% 50.25% 70.00% Lampu Nyala 59.50% Intensitas Cahaya 75.00% Lampu Mati Perbandingan Intensitas Cahaya Terhadap Waktu Komputasi Sistem Lampu Nyala Lampu Mati Intensitas Cahaya Gambar 5 Grafik Pengaruh Intensitas Cahaya Lampu Terhadap Tingkat Akurasi dan Waktu Komputasi 3 Dari grafik di atas terlihat bahwa intensitas cahaya di dalam ruangan tidak begitu mempengaruhi kinerja sistem karena intensitas cahayanya yang relatif mirip. Tetapi pengujian pada keadaan lampu mati memiliki tingkat akurasi yang lebih tinggi pada kedua metode yaitu 59.50% dengan waktu komputasi 41.71s untuk metode dan 75% dengan waktu komputasi 71.87s untuk metode. Oleh karena itu dapat disimpulkan bahwa intensitas cahaya pada keadaan lampu mati adalah kondisi yang paling optimum. 4.4 Skenario Keempat Skenario keempat dilakukan untuk melihat pengaruh posisi kamera video terhadap tingkat akurasi sistem dan waktu komputasi. Posisi kamera terletak disebelah kanan, tengah, dan kiri ruangan. Setiap video dilakukan percobaan sebanyak 5 kali dari 10 video dan diambil rata-ratanya untuk menghitung akurasi dan waktu komputasi sistem. Berikut adalah tabel pengujian metode dan yang akan dilakukan pada skenario keempat. Tabel 4 Tabel Pengujian Skenario Keempat Skenario Ketiga Nama Video Akurasi Rata-rata Waktu Komputasi Akurasi Rata-Rata Waktu Komputasi 1 Kanan 21.00% % Tengah 50.25% % Kiri 84.25% % Perbandingan Posisi Kamera Terhadap Tingkat Akurasi Sistem % 80.00% 60.00% 40.00% 20.00% 33.57% 21.00% 92.50% 84.25% 75.00% 50.25% Perbandingan Posisi Kamera Terhadap Waktu Komputasi Sistem % Kanan Tengah Kiri Posisi Kamera 0 Kanan Tengah Kiri Posisi Kamera
8 Gambar 6 Grafik Pengaruh Posisi Kamera Terhadap Tingkat Akurasi dan Waktu Komputasi 4 Dari grafik di atas terlihat bahwa pengaruh posisi kamera mempengaruhi kinerja sistem pada metode dan. Pengujian pada posisi kamera disebelah kiri memiliki tingkat akurasi yang lebih tinggi pada dikedua metode yaitu mencapai angka 84.25% dengan waktu komputasi s untuk metode dan 92.5% dengan waktu komputasi ` s untuk metode. Oleh karena itu dapat disimpulkan bahwa posisi kamera disebelah kiri adalah kondisi yang paling optimum. 5. Kesimpulan Dari hasil pengujian dan analisis simulasi dalam Tugas Akhir ini, dihasilkan beberapa kesimpulan sebagai berikut: 1. Metode memiliki nilai akurasi tertinggi yaitu 92.5% dengan waktu komputasi s pada kondisi kamera disebelah kiri sedangkan 84.25% dengan waktu komputasi s pada kondisi kamera disebelah kiri. 2. Nilai sparseness diberikan pada matriks W menghasilkan tingkat akurasi yang lebih baik dan stabil akan tetapi memiliki waktu komputasi yang lebih lama. Ketika nilai sparseness diberikan kepada kedua matriks W dan H tingkat akurasi mencapai nilai 100% pada 0.4, 0.5, 0.6, 0.7, dan 0.8 dengan waktu komputasi yang lebih singkat. Dan ketika nilai sparsenes diberikan kepada matriks H saja tingkat akurasi akurasi mencapai nilai 100% pada nilai sparseness 0.1 dan 0.5 dengan waktu komputasi yang lebih singkat dari kedua percobaan sebelumnya. 3. Nilai threshold yang paling optimum berada di nilai 0.01 dengan tingkat akurasi 84.25% waktu komputasi s untuk metode dan nilai threshold yang paling optimum untuk metode adalah 0.05 dengan tingkat akurasi 95% waktu komputasi s. Tingkat akurasi paling rendah berada pada nilai threshold 1 dengan tingkat akurasi 24.75% waktu komputasi s untuk metode dan 41.25% dengan waktu komputasi s untuk metode. 4. Pengujian pada keadaan lampu mati memiliki tingkat akurasi yang lebih tinggi pada kedua metode yaitu 59.50% dengan waktu komputasi 41.71s untuk metode dan 75% dengan waktu komputasi 71.87s untuk metode. 5. Pengujian pada posisi kamera disebelah kiri memiliki tingkat akurasi yang lebih tinggi pada dikedua metode yaitu mencapai angka 84.25% dengan waktu komputasi s untuk metode dan 92.5% dengan waktu komputasi ` s untuk metode DAFTAR PUSTAKA [1] Rudy Hova, "PENGENALAN WAJAH MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS". [2] Iulian B. Ciocoiu, "Localized versus Locality-Preserving Subspace," [3] Ganesh R Naik, An Overview of Independent Component Analysis and Its Applications, [4] Gabriel Vasile, Budo Lutovac, Srdjan Stankovic and Dragan Filipovic Nikola Besic, "ANALIZA PERFORMANSI Fast ALGORITMA PRIMIJENJENOG NA 2D SIGNAL," Faculty of Electrical Engineering, University of Montenegro, Podgorica, Montenegro, [5] Wang Ye, and Teng Hongfeng Zhao Lihong, "Face Recognition based on Independent Component Analysis," [6] Patrik Hoyer, n-negative Matrix Factorization with Sparseness Constraints, [7] Munir Rinaldi, Pengolahan Citra Digital Dengan Pendekatan Algoritmik. Bandung: Informatika, [8] Wen Jun-Qin, An Adaptive Frame Difference Method for Human Tracking, vol. 4, p. 7, January [9] Paul Viola, The Viola/Jones Face Detector, [10] Padhraic Smyth, Face Detection using the Viola-Jones Method, 2007.
IMPLEMENTASI DAN ANALISIS SISTEM PENGENALAN WAJAH DALAM RUANGAN PADA VIDEO MENGGUNAKAN METODE LNMF DAN NMFsc
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.1 April 2015 Page 389 IMPLEMENTASI DAN ANALISIS SISTEM PENGENALAN WAJAH DALAM RUANGAN PADA VIDEO MENGGUNAKAN METODE LNMF DAN NMFsc IMPLEMENTATION
Lebih terperinciBAB 1 PENDAHULUAN. termasuk dalam bidang Computer Vision. Computer Vision membuat komputer
BAB 1 PENDAHULUAN 1.1. Latar Belakang Perkembangan teknologi komputer pada dewasa ini telah mengalami kemajuan, termasuk dalam bidang Computer Vision. Computer Vision membuat komputer dapat melihat dan
Lebih terperinciANALISIS DAN IMPLEMENTASI SISTEM PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE LNMF DAN LPP PADA RUANG TERBUKA
ANALISIS DAN IMPLEMENTASI SISTEM PENGENALAN AJAH DENGAN MENGGUNAKAN METODE LNMF DAN LPP PADA RUANG TERBUKA ANALYSIS AND IMPLEMENTATION OF FACE RECOGNATION SYSTEM USING LNMF AND LPP METHODS AT OUTDOOR Khairunnisa
Lebih terperinciIMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2009 IMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL Bambang Hermanto¹, Koredianto Usman², Iwan Iwut Tirtoasmoro³
Lebih terperinciPERBANDINGAN METODE KDDA MENGGUNAKAN KERNEL RBF, KERNEL POLINOMIAL DAN METODE PCA UNTUK PENGENALAN WAJAH AKIBAT VARIASI PENCAHAYAAN ABSTRAK
PERBANDINGAN METODE KDDA MENGGUNAKAN KERNEL RBF, KERNEL POLINOMIAL DAN METODE PCA UNTUK PENGENALAN WAJAH AKIBAT VARIASI PENCAHAYAAN Jurusan Teknik Elektro, Fakultas Teknik Jl. Prof. Drg. Suria Sumantri
Lebih terperinciPERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI
PERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI Nadia R.W (0822084) Email: neko882neko@yahoo.co.id Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof. Drg.
Lebih terperinciFACE RECOGNITION MENGGUNAKAN METODE TWO- DIMENSIONAL PRINCIPAL COMPONENTS ANALYSIS (2DPCA) ABSTRAK
FACE RECOGNITION MENGGUNAKAN METODE TWO- DIMENSIONAL PRINCIPAL COMPONENTS ANALYSIS (2DPCA) Kurnia Novita Mutu (0722029) Jurusan Teknik Elektro email: mutunia@gmail.com ABSTRAK Perkembangan biometrik pada
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinciPengujian Pengenalan Wajah Menggunakan Raspberry Pi
Pengujian Pengenalan Wajah Menggunakan Raspberry Pi 1 Irvan Budiawan, 2 Andriana Prodi Teknik Elektro, Universitas Langlangbuana Bandung JL. Karapitan No.116, Bandung 40261 E-mail: 1 budiawan.irvan@gmail.com
Lebih terperinciMENENTUKAN KEPADATAN LALU LINTAS DENGAN PENGHITUNGAN JUMLAH KENDARAAN BERBASIS VIDEO PROCESSING
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2009 MENENTUKAN KEPADATAN LALU LINTAS DENGAN PENGHITUNGAN JUMLAH KENDARAAN BERBASIS VIDEO PROCESSING Muahamd Syukur¹, Iwan Iwut Tritoasmoro², Koredianto Usman³
Lebih terperinciANALISA DETEKSI KELOMPOK USIA DAN GENDER BERDASARKAN KONTUR WAJAH DENGAN PENGOLAHAN CITRA DIGITAL
Powered by TCPDF (www.tcpdf.org) WAJAH DENGAN PENGOLAHAN CITRA DIGITAL Marlina Novalinda Br Purba¹, Achmad Rizal², Suryo Adhi Wibowo³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak Teknologi pengolahan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D
30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam
Lebih terperinciPENGENALAN WAJAH DENGAN METODE ORTHOGONAL LAPLACIANFACES. Luhur Pribudhi ( )
PENGENALAN WAJAH DENGAN METODE ORTHOGONAL LAPLACIANFACES Luhur Pribudhi ( 0522068 ) Jurusan Teknik Elektro, Fakultas Teknik, Jln. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia Email : luhurpribudi@yahoo.com
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION
REALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION FadliWitular (0822043) Jurusan Teknik Elektro Universitas
Lebih terperinciPENGENALAN WAJAH DENGAN CITRA MASUKAN BERUPA CITRA SKETSA WAJAH SEBAGAI HASIL SINTESIS DENGAN TEKNIK MULTISCALE MARKOV RANDOM FIELD (MRF)
PENGENALAN WAJAH DENGAN CITRA MASUKAN BERUPA CITRA SKETSA WAJAH SEBAGAI HASIL SINTESIS DENGAN TEKNIK MULTISCALE MARKOV RANDOM FIELD (MRF) Disusun oleh : Alvin Silajaya (0922018) Jurusan Teknik Elektro,
Lebih terperinciPenerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian
PRESENTASI TUGAS AKHIR Penerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian Farkhan Rosi 228175 Dosen Pembimbing Dr. Ir Wirawan, DEA. Ir. Endang Widjiati,
Lebih terperinciBAB II KAJIANPUSTAKA
BAB II KAJIANPUSTAKA 2.1 Klasifikasi Klasifikasi adalah proses pengelompokan data menjadi suatu kelas berdasarkan kesamaan karakteristik pada data data yang ada. Ada 2 jenis metode yang dapat digunakan
Lebih terperinciPENGENALAN WAJAH DENGAN MENGGUNAKAN NLDA (NULL-SPACE LINEAR DISCRIMINANT ANALYSIS)
PENGENALAN WAJAH DENGAN MENGGUNAKAN NLDA (NULL-SPACE LINEAR DISCRIMINANT ANALYSIS) Disusun oleh : Yudi Setiawan (0722095) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri, MPH, No.
Lebih terperinciEKSTRAKSI CIRI GEOMETRIS UNTUK APLIKASI IDENTIFIKASI WAJAH. Oleh: Kholistianingsih
EKSTRAKSI CIRI GEOMETRIS UNTUK APLIKASI IDENTIFIKASI WAJAH Oleh: Kholistianingsih Abstract Face recognition is a non-contact biometric identification that tries to verify individuals automatically based
Lebih terperinciAPLIKASI PENGUKURAN KECEPATAN SEPEDA MOTOR MENGGUNAKAN METODE FRAME DIFFERENCE BERBASIS ANDROID
BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian Alat pengukur kecepatan kendaraan bermotor adalah salah satu aplikasi dari penelitian terhadap benda yang bergerak. Alat ini berfungsi untuk menentukan seberapa
Lebih terperinciREALISASI SISTEM PENJEJAKAN WAJAH DENGAN ALGORITMA FISHERFACE BERBASIS RASPBERRY PI ABSTRAK
REALISASI SISTEM PENJEJAKAN WAJAH DENGAN ALGORITMA FISHERFACE BERBASIS RASPBERRY PI Disusun oleh : Natalio Andor Pangihutan Sihite (1022052) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen
Lebih terperinciIDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS)
Powered by TCPDF (www.tcpdf.org) IDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS) Inung Wijayanto¹, Iwan Iwut Tritoasmoro², Koredianto Usman³
Lebih terperinciPERANCANGAN dan REALISASI FACETRACKER WEBCAM MENGGUNAKAN METODE HAAR-LIKE FEATURE BERBASIS RASPBERRY PI 2
PERANCANGAN dan REALISASI FACETRACKER WEBCAM MENGGUNAKAN METODE HAAR-LIKE FEATURE BERBASIS RASPBERRY PI 2 Disusun oleh : Steven Christian Santosa (1222038) Program Studi Teknik Elektro, Fakultas Teknik,
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras 3.1.1 Diagram Blok Sistem Rancangan perangkat keras dari aplikasi pengenalan wajah ini dapat dilihat pada diagram blok Gambar 3.1 sebagai berikut
Lebih terperinciREALISASI SISTEM DETEKSI RASA KANTUK BERDASARKAN DURASI KEDIPAN MATA SECARA REAL TIME MENGGUNAKAN METODE VIOLA-JONES
REALISASI SISTEM DETEKSI RASA KANTUK BERDASARKAN DURASI KEDIPAN MATA SECARA REAL TIME MENGGUNAKAN METODE VIOLA-JONES Avrian Andreas Marjono NRP : 1222006 e-mail : avrianandreas@yahoo.co.id ABSTRAK Rasa
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS ABSTRAK
PENGENALAN WAJAH MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS Rudy Hova / 0222165 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia Email : rudy_hova@yahoo.com
Lebih terperinciPERANCANGAN PERGERAKAN WEBCAM BERDASARKAN PERUBAHAN POSISI WAJAH MENGGUNAKAN METODE EIGENFACE BERBASIS RASPBERRY PI
PERANCANGAN PERGERAKAN WEBCAM BERDASARKAN PERUBAHAN POSISI WAJAH MENGGUNAKAN METODE EIGENFACE BERBASIS RASPBERRY PI Disusun oleh : Regina Vania Cahyadi (1122003) Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciSISTEM PEMBACA LJK BERBASIS PENGOLAHAN CITRA DIGITAL MENGGUNAKAN SCANNER LJK READER SYSTEM BASED DIGITAL IMAGE PROCESSING USING SCANNER
SISTEM PEMBACA LJK BERBASIS PENGOLAHAN CITRA DIGITAL MENGGUNAKAN SCANNER LJK READER SYSTEM BASED DIGITAL IMAGE PROCESSING USING SCANNER Rezki Hadisaputra¹, Koredianto Usman², Rita Magdalena³ ¹Teknik Telekomunikasi,,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Akhir akhir ini teknologi yang berbasis " Sound and Video Capture Device " telah banyak berkembang. Para ilmuwan ataupun perusahaan yang bergerak di bidang IT memanfaatkan
Lebih terperinciSIMULASI DAN ANALISIS SISTEM PENGENALAN WAJAH TAMPAK SAMPING MENGGUNAKAN METODE LOCAL BINARY PATTERN (LBP)
SIMULASI DAN ANALISIS SISTEM PENGENALAN WAJAH TAMPAK SAMPING MENGGUNAKAN METODE LOCAL BINARY PATTERN (LBP) Ardy Dwi Caesaryanto¹, Bambang Hidayat², Ratri Dwi Atmaja³ ¹Teknik Telekomunikasi,, Universitas
Lebih terperinciSISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON
Jurnal Informatika Mulawarman Vol. 7 No. 3 Edisi September 2012 105 SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Anindita Septiarini Program Studi Ilmu Komputer FMIPA,
Lebih terperinciPENGENALAN IRIS MATA MENGGUNAKAN METODE PENCIRIAN INDEPENDENT COMPONENTS ANALYSIS (ICA) DAN JARAK MINKOWSKI
PENGENALAN IRIS MATA MENGGUNAKAN METODE PENCIRIAN INDEPENDENT COMPONENTS ANALYSIS (ICA) DAN JARAK MINKOWSKI Febry Santo *), R.Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas Diponegoro
Lebih terperinciPERANCANGAN DAN REALISASI PENDETEKSI POSISI KEBERADAAN MANUSIA MENGGUNAKAN METODE DETEKSI GERAK DENGAN SENSOR WEBCAM
PERANCANGAN DAN REALISASI PENDETEKSI POSISI KEBERADAAN MANUSIA MENGGUNAKAN METODE DETEKSI GERAK DENGAN SENSOR WEBCAM Disusun oleh : Yockie Andika Mulyono (1022027) Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciPenerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian
JURNAL TEKNIK POMITS Vol. 2, No. 2, (213) ISSN: 2337-3539 (231-9271 Print) A-288 Penerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian Farkhan Rosi, Wirawan,
Lebih terperinciPENGELOMPOKAN CITRA WAJAH DENGAN TEKNIK SUBSPACE CLUSTERING MENGGUNAKAN ALGORITMA LSA SC (LOCAL SUBSPACE AFFINITY SPECTRAL CLUSTERING)
PENGELOMPOKAN CITRA WAJAH DENGAN TEKNIK SUBSPACE CLUSTERING MENGGUNAKAN ALGORITMA LSA SC (LOCAL SUBSPACE AFFINITY SPECTRAL CLUSTERING) Disusun oleh : Febryan Setiawan (0922081) Jurusan Teknik Elektro,
Lebih terperinciPENINGKATAN KUALITAS SINYAL SUARA DENGAN MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS ABSTRAK
PENINGKATAN KUALITAS SINYAL SUARA DENGAN MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS Ambrosius Jonathan / 0222202 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof.
Lebih terperinciSISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI ABSTRAK
SISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI Adhi Fajar Sakti Wahyudi (0722062) Jurusan Teknik Elektro Email: afsakti@gmail.com ABSTRAK Teknologi pengenalan
Lebih terperinciAnalisis dan Simulasi Sistem Penilaian Kualitas Gaya Berjalan untuk Sekolah Model Berbasis Video Processing dengan Metode Variable Module Graph
Analisis dan Simulasi Sistem Penilaian Kualitas Gaya Berjalan untuk Sekolah Model Berbasis Video Processing dengan Metode Variable Module Graph Ines Visyeri Yuliani 1,*, Bambang Hidayat 1, Suci Aulia 2
Lebih terperinciIDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET BERJALAN MENGGUNAKAN PENGUKURAN JARAK KONTUR TERHADAP CENTROID ABSTRAK
IDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET BERJALAN MENGGUNAKAN PENGUKURAN JARAK KONTUR TERHADAP CENTROID Disusun Oleh : Robin Yosafat Saragih (1022076) Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sistem pengenalan wajah adalah aplikasi dari pengolahan citra yang dapat mengidentifikasi seseorang melalui citra digital atau frame video. Sistem pengenalan wajah
Lebih terperinciVerifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login
The 13 th Industrial Electronics Seminar 011 (IES 011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 6, 011 Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE
PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE Widodo Muda Saputra, Helmie Arif Wibawa, S.Si, M.Cs, dan Nurdin Bahtiar, S.Si, M.T Fakultas Sains dan Matematika, Jurusan Ilmu Komputer
Lebih terperinciPengenalan Warna Kulit Untuk Klasifikasi Ras Manusia Andy Putra P. Zebua /
Pengenalan Warna Kulit Untuk Klasifikasi Ras Manusia Andy Putra P. Zebua / 0522099 Email : te.0522099_ukm@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jalan Prof. drg.
Lebih terperinciJournal of Control and Network Systems
JCONES Vol 3, No 1 (14) 29-36 Journal of Control and Network Systems Situs Jurnal : http://jurnalstikomedu/indexphp/jcone APLIKASI PENGENALAN WAJAH PADA MOBILE ROBOT OMNIDIRECTIONAL MENGGUNAKAN METODE
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Ekstraksi ciri Citra yang digunakan dalam penelitian ini berukuran 150 x 150 pixel, sehingga jika divektorkan akan menghasilkan vektor berukuran 22500. Melalui tahap ekstraksi ciri
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Berikut adalah beberapa definisi dari citra, antara lain: rupa; gambar; gambaran (Kamus Besar Bahasa Indonesia). Sebuah fungsi dua dimensi, f(x, y), di mana x dan y adalah
Lebih terperinciHasil Ekstraksi Algoritma Principal Component Analysis (PCA) untuk Pengenalan Wajah dengan Bahasa Pemograman Java Eclipse IDE
Hasil Ekstraksi Algoritma Principal Component Analysis (PCA) untuk Pengenalan dengan Bahasa Pemograman Java Eclipse IDE Fiqih Ismawan Dosen Program Studi Teknik Informatika, FMIPA Universitas Indraprasta
Lebih terperinciPERBANDINGAN TEKNIK SCALE INVARIANT FEATURE TRANSFORM (SIFT)
PERBANDINGAN TEKNIK SCALE INVARIANT FEATURE TRANSFORM (SIFT) DAN MULTISCALE LOCAL BINARY PATTERN (MLBP) DALAM PENGENALAN WAJAH DENGAN CITRA MASUKAN BERUPA CITRA SKETSA WAJAH Yuwono (0922013) Jurusan Teknik
Lebih terperinciENKRIPSI DATA HASIL ANALISIS KOMPONEN UTAMA (PCA) ATAS CITRA IRIS MATA MENGGUNAKAN ALGORITMA MD5
MAKALAH SEMINAR TUGAS AKHIR ENKRIPSI DATA HASIL ANALISIS KOMPONEN UTAMA (PCA) ATAS CITRA IRIS MATA MENGGUNAKAN ALGORITMA MD5 Sunaryo 1, Budi Setiyono 2, R. Rizal Isnanto 2 Abstrak - Biometrik merupakan
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. Metode penelitian yang digunakan pada penelitian ini adalah denoising
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan pada penelitian ini adalah denoising menggunakan Blind Source Separation dengan metode ICA. Data
Lebih terperinciIDENTIFIKASI IRIS MATA MENGGUNAKAN METODE ANALISIS KOMPONEN BEBAS (INDEPENDENT COMPONENTS ANALYSIS ICA)
IDENTIFIKASI IRIS MATA MENGGUNAKAN METODE ANALISIS KOMPONEN BEBAS (INDEPENDENT COMPONENTS ANALYSIS ICA) Hari Casbari Biometrik merupakan suatu ilmu yang menitikberatkan pada metode-metode untuk mengidentifikasikan
Lebih terperinciDETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL
DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad
Lebih terperinciPengenalan Bentuk Wajah Manusia Pada Citra Menggunakan Metode Fisherface
Pengenalan Bentuk Wajah Manusia Pada Citra Menggunakan Metode Fisherface (Studi Kasus pengenalan wajah pada manusia di teknik informatika universitas malikussaleh) Muthmainnah, Rahayu Dosen Teknik Informatika
Lebih terperinci2015 PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR
BAB I PENDAHULUAN Latar Belakang Sistem pengawasan menggunakan kamera merupakan salah satu aplikasi praktis dari perkembangan teknologi yang dapat membantu permasalahan seharihari. Dengan sistem pengawasan
Lebih terperinciPENGENALAN WAJAH DENGAN MENGGUNAKAN METODE DISCRIMINATIVE LOCAL DIFFERENCE PATTERNS
PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE DISCRIMINATIVE LOCAL DIFFERENCE PATTERNS Widyawan Tarigan NRP : 0222062 email : widyawan_tarigan@yahoo.com ABSTRAK Pada sistem pengenalan wajah, merancang deskriptor
Lebih terperinciREALISASI PENGUKUR TINGGI BADAN MANUSIA SECARA REALTIME BEBRBASIS WEBCAM
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2012 REALISASI PENGUKUR TINGGI BADAN MANUSIA SECARA REALTIME BEBRBASIS WEBCAM Dwi Asto Yuliardi¹, Iwan Iwut Tritoasmoro², Inung Wijayanto³ ¹Teknik Telekomunikasi,,
Lebih terperinciRaden Abi Hanindito¹, -². ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) ANALISIS & IMPLEMENTASI IMAGE DENOISING DENGAN MENGGUNAKAN METODE NORMALSHRINK SEBAGAI WAVELET THRESHOLDING ANALYSIS & IMPLEMENTATION IMAGE DENOISING USING NORMALSHRINK
Lebih terperinciIDENTIFIKASI KANAL FIR SECARA BUTA UNTUK SISTEM DUA-MASUKAN-DUA-KELUARAN PADA DOMAIN FREKUENSI MENGGUNAKAN STATISTIK ORDE DUA ABSTRAK
IDENTIFIKASI KANAL FIR SECARA BUTA UNTUK SISTEM DUA-MASUKAN-DUA-KELUARAN PADA DOMAIN FREKUENSI MENGGUNAKAN STATISTIK ORDE DUA Sempurna keliat / 0122171 Jurusan Teknik Elektro, Fakultas Teknik, Jln. Prof.
Lebih terperinciReza Fajar Rachmanda¹, Dr Ir Bambang Hidayat Dea², Rita Purnamasari³. ¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2013 ANALISIS SISTEM PENGIDENTIFIKASIAN JENIS-JENIS TANAMAN HIAS ALOCASIA MELALUI BENTUK DAN WARNA DAUN MENGGUNAKAN METODE JARINGAN SARAF TIRUAN (SELF ORGANIZING
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciKata kunci : citra, pendeteksian warna kulit, YCbCr, look up table
Pendeteksian Warna Kulit berdasarkan Distribusi Warna YCbCr Elrica Pranata / 0422002 Email : cha_nyo2@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Marantha Jalan Prof. Suria Sumantri
Lebih terperinciDEKOMPOSISI NILAI SINGULAR DAN DISCRETE FOURIER TRANSFORM UNTUK NOISE FILTERING PADA CITRA DIGITAL
Seminar Nasional Aplikasi Teknologi Informasi 9 (SNATI 9) ISSN: 97- Yogyakarta, Juni 9 DEKOMPOSISI NILAI SINGULAR DAN DISCRETE FOURIER TRANSFORM UNTUK NOISE FILTERING PADA CITRA DIGITAL Adiwijaya, D. R.
Lebih terperinciJurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya
Pengenalan Wajah Menggunakan Metode Adjacent Pixel Intensity Difference Quantization Histogram Generation Oleh : ANDIK MABRUR 1206 100 716 Dosen Pembimbing : Drs. Soetrisno, MI.Komp. Jurusan Matematika
Lebih terperinciSYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)
SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),
Lebih terperinciSimulasi Estimasi Arah Kedatangan Dua Dimensi Sinyal menggunakan Metode Propagator dengan Dua Sensor Array Paralel
ABSTRAK Simulasi Estimasi Arah Kedatangan Dua Dimensi Sinyal menggunakan Metode Propagator dengan Dua Sensor Array Paralel Disusun oleh : Enrico Lukiman (1122084) Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciIDENTIFIKASI WAJAH SESEORANG BERDASARKAN CITRA BIBIR MENGGUNAKAN METODE EIGEN FUZZY SET ABSTRAK
IDENTIFIKASI WAJAH SESEORANG BERDASARKAN CITRA BIBIR MENGGUNAKAN METODE EIGEN FUZZY SET Disusun oleh : Moriska Beslar 0422101 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.Prof.Drg.Suria Sumantri, MPH no.65,
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
Lebih terperinciSeminar Nasional Inovasi Dan Aplikasi Teknologi Di Industri 2017 ISSN ITN Malang, 4 Pebruari 2017
PENGENALAN INDIVIDU BERDASARKAN SIDIK RUGAE PALATINA DENGAN MENGGUNAKAN METODE SINGULAR VALUE DECOMPOSITION SEBAGAI PENGOLAH EKSTRAKSI CIRI DAN SUPPORT VECTOR MACHINE SEBAGAI KLASIFIKATOR Shofi Annisa
Lebih terperinciAnalisa Perbandingan Algoritma Histogram of Oriented Gradient (HOG) dan Gaussian Mixture Model (GMM) Dalam Mendeteksi Manusia
Analisa Perbandingan Algoritma Histogram of Oriented Gradient (HOG) dan Gaussian Mixture Model (GMM) Dalam Mendeteksi Manusia Yolinda Fatimah Munawaroh 1), Ciksadan 2), Irma Salamah 3) 1),2),3 ) Program
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciModel Sistem Akses Tempat Parkir Berdasarkan Pengenalan Plat Nomor Kendaraan. Andry Jonathan ( )
Model Sistem Akses Tempat Parkir Berdasarkan Pengenalan Plat Nomor Kendaraan Andry Jonathan (1122041) Email: andry.jonathan1234@gmail.com Jurusan Teknik Elektro, Fakultas Teknik Jl. Prof. Drg. Suria Sumantri
Lebih terperinciSISTEM PENGENAL ARAH PANDANG MATA PADA PENGENDARA MOBIL
SISTEM PENGENAL ARAH PANDANG MATA PADA PENGENDARA MOBIL Deny Christian, Ivanna K. Timotius, Iwan Setyawan SISTEM PENGENAL ARAH PANDANG MATA PADA PENGENDARA MOBIL Deny Christian 1, Ivanna K. Timotius 2,
Lebih terperinciANALISIS DAN SIMULASI SISTEM PENGENALAN WAJAH DENGAN METODE FISHERFACE BERBASIS OUTDOORVIDEO.
ANALISIS DAN SIMULASI SISTEM PENGENALAN WAJAH DENGAN METODE FISHERFACE BERBASIS OUTDOORVIDEO Nurani Fitriyah 1),Dr. Ir. BambangHidayat 2),SuciAulia, ST,MT 3) 1 FakultasTeknikElektro, Telkom University
Lebih terperinciRestorasi Citra Plat Nomor Kendaraan Menggunakan Metode Super Resolusi pada Sistem Pelanggaran Lampu Merah
Restorasi Citra Plat Nomor Kendaraan Menggunakan Metode Super Resolusi pada Sistem Pelanggaran Lampu Merah Bayu Setyo Prayugi Teknik Komputer dan Telematika Jurusan Teknik Elektro Insitut Teknologi Sepuluh
Lebih terperinciIMPLEMENTASI TEKNIK STEGANALISIS MENGGUNAKAN METODE IMPROVEMENT DIFFERENCE IMAGE HISTOGRAM PADA STEGANOGRAFI LSB
IMPLEMENTASI TEKNIK STEGANALISIS MENGGUNAKAN METODE IMPROVEMENT DIFFERENCE IMAGE HISTOGRAM PADA STEGANOGRAFI LSB Friski Gatra Pamungkas 1), Bambang Hidayat 2), Nur Andini 3) 1),2),3 ) Prodi S1 Teknik Telekomunikasi,
Lebih terperinciPengenalan Wajah Menggunakan Metode Support Vector Machine (SVM)
Pengenalan Wajah Menggunakan Metode Support Vector Machine (SVM) Yudhie Suherdani / 9922109 Jurusan Teknik Elektro, Fakultas Teknik, Univeristas Kristen Maranatha Jln. Prof. Drg. Suria Sumantri 65, Bandung
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR Eric (0822026) Jurusan Teknik Elektro Universitas Kristen Maranatha email: eric.wennas@gmail.com ABSTRAK Pola pembuluh
Lebih terperinciBAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang
BAB III METODE PENELITIAN 3.1 Model Pengembangan Tujuan tugas akhir ini akan membangun suatu model sistem yang melakukan proses data mulai dari pengolahan citra otak hingga menghasilkan output analisa
Lebih terperinciBAB 3 METODOLOGI. seseorang. Hal inilah yang mendorong adanya perkembangan teknologi
BAB 3 METODOLOGI 3.1. Kerangka Berpikir Pengenalan ekspresi wajah adalah salah satu bentuk representasi kecerdasan manusia yang dapat digunakan untuk mendeteksi kondisi emosi seseorang. Hal inilah yang
Lebih terperinciDETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM
DETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM Charles Edison Chandra; Herland Jufry; Sofyan Tan Computer Engineering Department, Faculty of Engineering, Binus University
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciABSTRAK. Michael Parlindungan ( ) Jurusan Teknik Elektro Universitas Kristen Maranatha
PENGENALAN POLA HURUF t DARI TULISAN TANGAN UNTUK MENENTUKAN KARAKTER SESEORANG DENGAN MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN ALGORITMA BACKPROPAGATION ABSTRAK Michael Parlindungan (0722017) Jurusan
Lebih terperinciAPLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR
APLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR Mika Tandililing Program Studi Teknik Komputer, STMIK Profesional ladabarra@gmail.com
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN
Jurnal Teknik Informatika Vol. 1 September 2012 1 PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa 1, Juni Nurma Sari 2, Ananda 3 Program Studi
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM
ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Dalam mengetahui suatu bahan jenis kulit cukup sulit karena bahan jenis kulit memeliki banyak jenis. Setiap permukaan atau tekstur dari setiap jenisnya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Definisi Citra, Pengolahan Citra, dan Pengenalan Pola Citra dapat dijelaskan sebagai dua dimensi dari fungsi f(x,y) dimana x dan y tersebut adalah sebuah koordinat pada bidang
Lebih terperinciElisabeth Patricia Chandra 1, Astri Novianty 2, Agung Nugroho Jati 3. Abstrak
IMPLEMENTASI ALGORITMA PRINCIPAL COMPONENT ANALYSIS PADA SISTEM KEAMANAN PARKIR BERBASIS RASPBERRY PI PRINCIPAL COMPONENT ANALYSIS ALGORITHM IMPLEMENTATION IN PARKING SECURITY SYSTEM BASED RASPBERRY PI
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dunia kesehatan dewasa ini tidak bisa dipisahkan dengan teknologi yang terus berkembang. Pengembangan teknologi yang erat kaitannya dengan dunia kesehatan atau dunia
Lebih terperinciSIMULASI PENGENALAN WAJAH MANUSIA MENGGUNAKAN METODE ANALISIS DISKRIMINAN LINEAR DUA DIMENSI (2D-LDA) DENGAN JARAK MANHATTAN, CANBERRA DAN EUCLIDEAN
SIMULASI PENGENALAN WAJAH MANUSIA MENGGUNAKAN METODE ANALISIS DISKRIMINAN LINEAR DUA DIMENSI (2D-LDA) DENGAN JARAK MANHATTAN, CANBERRA DAN EUCLIDEAN Rivaldi MHS *), Ajub Ajulian Zahra, Imam Santoso, and
Lebih terperinciBAB I PENDAHULUAN. telinga, wajah, infrared, gaya berjalan, geometri tangan, telapak tangan, retina,
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia. Sidik jari, tanda tangan, DNA, telinga, wajah, infrared,
Lebih terperinciPENGENALAN WAJAH DENGAN METODE TEMPLATE MATCHING SEBAGAI SISTEM STARTER SEPEDA MOTOR BERBASIS MIKROKONTROLER ATMEGA 16 Oleh : Margito Hermawan
PENGENALAN WAJAH DENGAN METODE TEMPLATE MATCHING SEBAGAI SISTEM STARTER SEPEDA MOTOR BERBASIS MIKROKONTROLER ATMEGA 16 Oleh : Margito Hermawan 6907040024 Fajar Indra 6907040026 ABSTRACT Face recognition
Lebih terperinciPEMANFAATAN NORMALIZED FRAME DIFFERENCE SEBAGAI UKURAN AKTIVITAS GERAK PADA VIDEO DIGITAL
PEMANFAATAN NORMALIZED FRAME DIFFERENCE SEBAGAI UKURAN AKTIVITAS GERAK PADA VIDEO DIGITAL L.D.Purnamasari 1, N. Indra 2, I M.O. Widyantara 3 Jurusan Teknik Elektro, Fakultas Teknik Universitas Udayana
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN MODIFIED HAUSDORFF DISTANCE ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN MODIFIED HAUSDORFF DISTANCE Daniel Halomoan (0822056) Jurusan Teknik Elektro Universitas Kristen Maranatha email: daniel170390@gmail.com
Lebih terperinciIMPLEMENTASI SISTEM PENDETEKSI CACAT PADA KAYU MENGGUNAKAN METODE GABOR WAVELET TRANSFORM
IMPLEMENTASI SISTEM PENDETEKSI CACAT PADA KAYU MENGGUNAKAN METODE GABOR WAVELET TRANSFORM IMPLEMENTATION OF WOOD DEFECT DETECTOR SYSTEM BY USING GABOR WAVELET TRANSFORM METHOD Muhammad Panji Kusuma Praja
Lebih terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinciAPLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA
APLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA Anita T. Kurniawati dan Afrilyan Ruli Dwi Rama Teknik Informatika-ITATS, Jl. Arief Rahman Hakim 100 Surabaya Email:
Lebih terperinciCalyptra : Jurnal Ilmiah Mahasiswa Universitas Surabaya Vol.4 No.2 (2015)
Estimasi Parameter Model Height-Roll-Pitch-Yaw AR Drone dengan Least Square Method Steven Tanto Teknik Elektro / Fakultas Teknik steventanto@gmail.com Agung Prayitno Teknik Elektro / Fakultas Teknik prayitno_agung@staff.ubaya.ac.id
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Pengenalan Ekspresi Wajah Manusia Pengenalan ekspresi wajah manusia oleh mesin dapat dideskripsikan sebagai interpretasi terhadap karakteristik ekspresi wajah manusia melalui
Lebih terperinciPENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN. Disusun oleh : Mario Herryn Tambunan ( )
PENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN Disusun oleh : Mario Herryn Tambunan (1022056) Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinci